إنتاج فيلم قصير بالذكاء الاصطناعي: أي GPU لكل خطوة؟
باختصار: تعمل معظم مراحل الفيلم القصير بالذكاء الاصطناعي على بطاقة 24–32 GB: صور القصة المصوّرة، وWan 2.2 TI2V-5B، والصوت، ومزامنة الشفاه، والموسيقى، والتكبير، وتوليد الإطارات الوسيطة. أما نماذج الفيديو بحجم 14B وما فوقه فهي التي تحتاج فيها إلى 48 GB أو 80 GB أو أكثر، أو إلى offloading كثيف: Wan 2.2 A14B وMiniMax H3 وLTX-2.5. استأجر لكل مرحلة البطاقة التي تحتاجها واحذف المثيل بين المراحل، لأن الفوترة بالدقيقة. راجع ترخيص كل أداة قبل الاستخدام التجاري: بعضها غير تجاري أو يتضمن شروطًا إضافية.
نظرة سريعة على خط الإنتاج
أرقام VRAM وصياغة التراخيص مأخوذة من README أو بطاقة النموذج الخاصة بكل مشروع، وقُرئت في 2026-11-04. وعبارة “لا يوجد رقم منشور” تعني أن المشروع لا يذكر رقمًا بالـ GB. تعرض صفحة Deploy البطاقات التي يمكنك تشغيلها الآن.
| المرحلة | الأداة | إرشادات VRAM (المنشورة) | فئة البطاقة للبدء | ملاحظة الترخيص |
|---|---|---|---|---|
| صور القصة المصوّرة | FLUX.1 وSDXL | راجع كم تحتاج من VRAM لـ FLUX وSDXL (بالإنجليزية) | 24 GB | يتطلب FLUX.1 dev قبول ترخيصه؛ وFLUX.1 schnell مرخّص بـ Apache 2.0 |
| فيديو | Wan 2.2 TI2V-5B | ComfyUI: “should fit well on 8GB vram with the ComfyUI native offloading” (يُفترض أن يتسع جيدًا في 8GB من VRAM مع offloading الأصلي في ComfyUI) | 24–32 GB | Apache 2.0 |
| فيديو | Wan 2.2 T2V/I2V-A14B | README: “at least 80GB VRAM” (ما لا يقل عن 80GB من VRAM) لأمر GPU الواحدة | 48–80 GB | Apache 2.0 |
| فيديو + صوت | MiniMax H3 | diffusers: int8 + streaming على 24–32 GB؛ بطاقة واحدة 80 GB مع offload | 32 GB مع قدر وافر من RAM المضيف، أو 80–96 GB | ترخيص مجتمعي، انظر أدناه |
| فيديو + صوت | LTX-2.5 (22B) | لا يوجد رقم بالـ GB؛ README: عند قيود الذاكرة “consider --quantization fp8-cast --offload {cpu, disk}” (فكّر في --quantization fp8-cast --offload {cpu, disk}) |
48–96 GB | ترخيص مدفوع للجهات ذات “annual revenues of at least $10,000,000” (إيرادات سنوية لا تقل عن $10,000,000) |
| فيديو | HunyuanVideo 1.5 (8.3B) | “Minimum GPU Memory: 14 GB (with model offloading enabled)” (الحد الأدنى لذاكرة GPU: 14 GB، مع تفعيل offloading للنموذج) | 24 GB | ترخيص مجتمعي، انظر أدناه |
| ثبات الشخصية | LoRA عبر musubi-tuner | “12GB or more recommended for image training, 24GB or more for video training” (يوصى بـ 12GB أو أكثر لتدريب الصور، و24GB أو أكثر لتدريب الفيديو)؛ “Main Memory: 64GB or more recommended” (الذاكرة الرئيسية: يوصى بـ 64GB أو أكثر) | 24–48 GB | Apache 2.0 (شيفرة Wan) |
| ثبات الشخصية | LoRA عبر ai-toolkit | ملف إعداد نموذجي train_lora_wan22_14b_24gb.yaml؛ “Training on and generating video is very VRAM intensive.” (التدريب على الفيديو وتوليده يستهلكان VRAM بكثافة.) |
24–48 GB | MIT |
| ثبات الشخصية | Wan-Animate-2 | “tuned for 8× A800 GPUs” (مضبوط لـ 8× A800 GPUs)؛ ودقة 480P “tested … on 2× A800 GPUs” (اختُبرت … على 2× A800 GPUs) | عدة بطاقات 80 GB | Apache 2.0 |
| الصوت (TTS) | Fun-CosyVoice 3.0 (0.5B) | لا يوجد رقم منشور | 24 GB | Apache 2.0 |
| الصوت (TTS) | IndexTTS-2.5 | لا يوجد رقم منشور (جدول RTF على RTX 4090) | 24 GB | bilibili Model Use License (مخصص) |
| مزامنة الشفاه | LatentSync | “Minimum VRAM for inference: 8 GB with LatentSync 1.5; 18 GB with LatentSync 1.6” (الحد الأدنى من VRAM للاستدلال: 8 GB مع LatentSync 1.5؛ و18 GB مع LatentSync 1.6) | 24 GB | Apache 2.0 |
| مزامنة الشفاه | MuseTalk | اختُبر على GPU محمول بسعة 4 GB: “generating an 8-second video takes approximately 5 minutes” (توليد فيديو مدته 8 ثوانٍ يستغرق نحو 5 دقائق) | 24 GB | MIT (الشيفرة) |
| مزامنة الشفاه / الدبلجة | InfiniteTalk | لا يوجد رقم بالـ GB؛ وضع VRAM المنخفضة: “set --num_persistent_param_in_dit 0” (اضبط --num_persistent_param_in_dit 0) |
24–48 GB | Apache 2.0 |
| الموسيقى | ACE-Step 1.5 | “XL … require ≥12GB VRAM (with offload + quantization) or ≥20GB (without offload)” (تتطلب نماذج XL … ≥12GB من VRAM مع offload والتكميم، أو ≥20GB دون offload)؛ و"under 10s on RTX 3090" (أقل من 10s على RTX 3090) لكل أغنية | 24 GB | MIT |
| الموسيقى | MiniMax Music 3 | “The full precision fits under 24GB of VRAM” (الدقة الكاملة تتسع في أقل من 24GB من VRAM) | 24 GB | ترخيص مجتمعي: إشعار “MiniMax-Music3” في الواجهة؛ والإيرادات التي تتجاوز $20M تتطلب إذنًا |
| الموسيقى | YuE2 | “24 GB VRAM” | 24 GB | الأوزان بترخيص CC BY-NC 4.0: غير تجارية |
| التكبير | SeedVR2 | “High VRAM (24GB+): Use FP16 models” (VRAM عالية (24GB+): استخدم نماذج FP16)؛ “Moderate VRAM (12-16GB): Use FP8 models with BlockSwap or VAE tiling” (VRAM متوسطة (12-16GB): استخدم نماذج FP8 مع BlockSwap أو VAE tiling) | 24–32 GB | Apache 2.0 |
| التكبير | Real-ESRGAN | لا يوجد رقم منشور | 24 GB | BSD-3-Clause |
| توليد الإطارات الوسيطة | RIFE (Practical-RIFE) | لا يوجد رقم منشور؛ “4.24+ is quite suitable for post-processing of some diffusion model generated videos” (الإصدار 4.24+ مناسب تمامًا للمعالجة اللاحقة لبعض مقاطع الفيديو المولّدة بنماذج الانتشار) | 24 GB | MIT |
| توليد الإطارات الوسيطة | GIMM-VFI | على V100: “[4K interpolation] … Memory-Usage: 10922MiB” ([توليد إطارات وسيطة بدقة 4K] … استهلاك الذاكرة: 10922MiB) | 24 GB | S-Lab License 1.0: راجعه قبل الاستخدام التجاري |
أداتان قد تجد من لا يزال يوصي بهما: Chatterbox أُوقف (“As of August 2026, Chatterbox is retired research and is no longer maintained.” أي: اعتبارًا من أغسطس 2026، أصبح Chatterbox بحثًا متوقفًا ولم يعد يُصان)، وMicrosoft “removed the VibeVoice-TTS code from this repository” (أزالت شيفرة VibeVoice-TTS من هذا المستودع).
تراخيص يجب قراءتها قبل الاستخدام التجاري
- MiniMax H3: MiniMax H3 Community License Agreement، وليس ترخيصًا مفتوح المصدر. اقرأ LICENSE قبل الاستخدام.
- HunyuanVideo 1.5: Tencent Hunyuan Community License، وليس ترخيصًا مفتوح المصدر. اقرأ LICENSE قبل الاستخدام.
- YuE2: الأوزان بترخيص CC BY-NC 4.0، لذا يجب على الشركات التواصل مع المؤلفين قبل الاستخدام التجاري.
- GIMM-VFI: S-Lab License 1.0. اقرأه قبل استخدام GIMM-VFI في عمل مدفوع.
- LTX-2.5: مجاني دون عتبة الإيرادات. “Entities with annual revenues of at least $10,000,000 … are required to obtain a paid license.” (الجهات التي لا تقل إيراداتها السنوية عن $10,000,000 … مُلزمة بالحصول على ترخيص مدفوع.)
للعمل التجاري بشروط ترخيص بسيطة، استخدم أدوات Apache 2.0 وMIT الواردة في الجدول: Wan 2.1 و2.2، وSeedVR2، وRIFE، وACE-Step 1.5، وLatentSync، وCosyVoice.
شغّل كل مرحلة على البطاقة التي تحتاجها
لا يحتاج الفيلم القصير إلى بطاقة كبيرة تعمل طوال الوقت. تقسيم شائع:
- بطاقة 24 GB (RTX 4090): إطارات القصة المصوّرة، ومسودات Wan 2.2 TI2V-5B، والصوت، والموسيقى.
- بطاقة 48 GB أو 80 GB (RTX 4090 48G, A100 80G): اللقطات النهائية على نموذج 14B، أو تدريب LoRA.
- العودة إلى بطاقة 24–32 GB: مزامنة الشفاه، والتكبير، وتوليد الإطارات الوسيطة.
انسخ مخرجاتك من المثيل (rsync أو scp) قبل حذفه، لأن البيانات على المثيل تُحذف. حتى 2026-11-05 07:55 (UTC+8)، تكلّف ساعتان على RTX 4090 مبلغ $0.78، وتكلّف ساعة واحدة من اللقطات النهائية على RTX 4090 48G مبلغ $0.69. أما إبقاء A100 80G للساعات الثلاث نفسها فسيكلّف $4.77. الفوترة بالدقيقة، مع التقريب للأعلى، بحد أدنى دقيقة واحدة، وتتوقف عند حذف المثيل. الأسعار الحالية في /ar/pricing.
إذا كنت تحتاج فقط إلى مقاطع جاهزة من نموذج مستضاف، فواجهة نماذج CloudGPU تضم أيضًا نماذج فيديو، منها wan-3.0. تنشئ مهمة باستخدام POST /v1/videos (توثيق API).
ذات صلة: أي GPU لتوليد الفيديو بـ Wan · أي GPU لـ MiniMax H3 · كيف تشغّل Wan 2.2 على Cloud GPU (بالإنجليزية) · Cloud GPU لإنتاج الأفلام والفيديو بالذكاء الاصطناعي
الأسئلة الشائعة
أي GPU أحتاج لصنع فيلم قصير بالذكاء الاصطناعي؟
تعمل معظم المراحل على بطاقة 24–32 GB: صور القصة المصوّرة، وWan 2.2 TI2V-5B، والصوت، ومزامنة الشفاه، والموسيقى، والتكبير، وتوليد الإطارات الوسيطة. أما نماذج الفيديو بحجم 14B وما فوقه، مثل Wan 2.2 A14B وMiniMax H3 وLTX-2.5، فتحتاج إلى 48 GB أو 80 GB أو أكثر، أو إلى offloading كثيف إلى RAM المضيف.
أي نماذج الفيديو المفتوحة يمكنني استخدامها تجاريًا؟
Wan 2.1 وWan 2.2 مرخّصان بـ Apache 2.0. ويستخدم MiniMax H3 وHunyuanVideo 1.5 تراخيص مجتمعية خاصة بهما، فاقرأها قبل الاستخدام التجاري؛ ويتطلب LTX-2.5 ترخيصًا مدفوعًا للجهات التي لا تقل إيراداتها السنوية عن $10,000,000 (قُرئ في 2026-11-04).
كيف أحافظ على ثبات الشخصية عبر اللقطات؟
درّب LoRA على الشخصية باستخدام musubi-tuner أو ai-toolkit، أو استخدم نموذجًا يعتمد على صور مرجعية مثل Wan-Animate-2 أو MiniMax H3 Ref2VA. يوصي musubi-tuner بـ 24 GB أو أكثر من VRAM لتدريب الفيديو و64 GB أو أكثر من الذاكرة الرئيسية (قُرئ في 2026-11-04).
ما الأدوات التي تضيف الصوت ومزامنة الشفاه والموسيقى؟
Fun-CosyVoice 3.0 وIndexTTS-2.5 للصوت؛ وLatentSync وMuseTalk وInfiniteTalk لمزامنة الشفاه؛ وACE-Step 1.5 وMiniMax Music 3 للموسيقى. أوزان YuE2 بترخيص CC BY-NC 4.0، لذا فهي ليست للاستخدام التجاري دون إذن (قُرئ في 2026-11-04).
كيف أكبّر فيديو الذكاء الاصطناعي وأجعله أكثر سلاسة؟
SeedVR2 أو Real-ESRGAN للتكبير، وRIFE لتوليد الإطارات الوسيطة. تقترح عقدة SeedVR2 في ComfyUI نماذج FP16 على 24 GB أو أكثر، ونماذج FP8 مع BlockSwap أو VAE tiling على 12–16 GB (قُرئ في 2026-11-04).
المصادر (قُرئت في 2026-11-04، Asia/Shanghai)
- Wan2.2 README: https://github.com/Wan-Video/Wan2.2 ؛ دليل ComfyUI لـ Wan 2.2: https://docs.comfy.org/tutorials/video/wan/wan2_2
- بطاقة نموذج MiniMax H3 وLICENSE: https://huggingface.co/MiniMaxAI/MiniMax-H3 ؛ توثيق diffusers لـ H3: https://huggingface.co/docs/diffusers/main/en/api/pipelines/minimax_h3
- LTX-2 README والترخيص: https://github.com/Lightricks/LTX-2
- بطاقة نموذج HunyuanVideo 1.5 وLICENSE: https://huggingface.co/tencent/HunyuanVideo-1.5 ؛ https://github.com/Tencent-Hunyuan/HunyuanVideo-1.5/blob/master/LICENSE
- musubi-tuner: https://github.com/kohya-ss/musubi-tuner ؛ ai-toolkit: https://github.com/ostris/ai-toolkit
- بطاقة نموذج Wan-Animate-2: https://huggingface.co/Wan-AI/Wan2.2-Animate-2-14B
- CosyVoice: https://github.com/FunAudioLLM/CosyVoice ؛ IndexTTS: https://github.com/index-tts/index-tts ؛ VibeVoice: https://github.com/microsoft/VibeVoice ؛ Chatterbox: https://github.com/resemble-ai/chatterbox
- LatentSync: https://github.com/bytedance/LatentSync ؛ MuseTalk: https://github.com/TMElyralab/MuseTalk ؛ InfiniteTalk: https://github.com/MeiGen-AI/InfiniteTalk
- ACE-Step 1.5: https://github.com/ace-step/ACE-Step-1.5 ؛ MiniMax Music 3: https://huggingface.co/MiniMaxAI/MiniMax-Music3 ؛ YuE: https://github.com/multimodal-art-projection/YuE
- عقدة SeedVR2 لـ ComfyUI: https://github.com/numz/ComfyUI-SeedVR2_VideoUpscaler ؛ Real-ESRGAN: https://github.com/xinntao/Real-ESRGAN ؛ Practical-RIFE: https://github.com/hzwer/Practical-RIFE ؛ GIMM-VFI: https://github.com/GSeanCDAT/GIMM-VFI
تعرض صفحة Deploy البطاقات التي يمكنك تشغيلها. الأسعار في https://cloudgpu.app/ar/pricing.
آخر تحديث: 2026-11-04 (Asia/Shanghai).